ReBaCCA-ss：基于平滑与替代的相关性均衡连续范畴相关分析
神经元与认知
2025-05-21 v1 定量方法
摘要
量化群体放电模式之间的相似性是理解神经动力学如何编码信息的关键。传统方法结合了核平滑、主成分分析（PCA）和常规相关分析（CCA），但存在局限性：平滑核带宽常通过经验方法选择，CCA最大化图案之间的对齐，而不考虑图案内部解释方差，且很少纠正来自随机放电的基线相关。我们提出ReBaCCA-ss（Relevance-Balanced Continuum Correlation Analysis with smoothing and surrogating），一种新型框架，通过三项创新措施解决上述挑战：（1）通过连续范畴相关实现对齐与方差解释的平衡；（2）使用替代放电图纠正噪声；（3）通过最大化真实与替代相关性差值来选择最优核带宽。ReBaCCA-ss在模拟数据和大鼠进行延迟不相匹配样本任务记录的体底皮层放电中得到验证。它可可靠地识别群体放电图案之间的时空相似性。结合多维标度（MDS），ReBaCCA-ss揭示了跨试次、事件、会话和动物的结构化神经表征，为神经群体分析提供了强大的工具。
引用
@article{arxiv.2505.13748,
title = {ReBaCCA-ss: Relevance-Balanced Continuum Correlation Analysis with Smoothing and Surrogating for Quantifying Similarity Between Population Spiking Activities},
author = {Xiang Zhang and Chenlin Xu and Zhouxiao Lu and Haonan Wang and Dong Song},
journal= {arXiv preprint arXiv:2505.13748},
year = {2025}
}